一、配置环境时遇到的坑
- 安装anaconda时,无论有没有勾选使用python73,最后环境中的py版本都为37,需要降级。打开anaconda prompt,输入conda install python = 3.6 等待即可
- 之前装过CUDA9.0和与其对应的cudnn,重新装了anaconda,python的版本也是对应的3.6,tensorflow-gpu也是对应的1.9.0,运行tensorflow代码,也是正常可以运行,但一直都是cpu再跑,速度非常慢,尝试了各种方法,anaconda卸载了好几次,但是依然没有任何用,因为之前曾经配置成功过。报的错误,但程序还是正常运行的
发现原来自己的独显MX150驱动没有了。这时候就赶紧在华硕的官网上面,下载了电脑对应的显卡驱动版本,但是载安装的时候,无论怎么安装都安装失败。
最后发现,原来之前的一些驱动程序都在,在安装新的驱动之前,需要将之前的驱动程序卸载,这才安装成功
- 安装显卡驱动成功以后,这时候报了错误,网上查了一下,原来是和之前的CUDA9.0的版本对应不上,显卡驱动、CUDA版本、cudnn版本都要有对应的,解决办法,由于cuda都是安装好了,所以更新了一下显卡驱动,解决!!
注意版本号!!!
二、程序运行时遇到的错误及解决办法
InvalidArgumentError (see above for traceback): Nan in summary histogram for
在跑谷歌中的目标检测的代码,创建一个自己的目标检测模型中遇到的,训练中途报的错误
这种错误一般有两种情况造成:
1、Loss计算采用了cross_entropy = -tf.reduce_sum(y_*tf.log(y))
如果y=0,则log(y)报错。解决方法cross_entropy = -tf.reduce_sum(y_*tf.log(tf.clip_by_value(y,1e-10,1.0)))
y的最小值为0的情况就被替换成了一个极小值,1e-10,最大值为1.0,这样就不会出现Nan值了
2、一般是由于优化器的学习率设置不当导致的,此时可以尝试使用更小的学习率进行训练来解决这样的问题
3、batch_size 不要设置为 1 !! (亲测有效)
三、VS2015配置darknet项目时遇到MSB3721的解决办法